fa ارائه‌ی الگوریتمی جهت بهبود دقت نقشه‌ی پوشش برف با استفاده از تصاویر مودیس پژوهشي Research <p dir="RTL">شناخت و مطالعه‌ی ذخایر برفی به عنوان تأمین کننده‌ی جریان پایه‌ی رودخانه‌ها و سر‌آغاز اصلی منابع آب شیرین در حوضه‌های برفگیر و مرتفع، نقش مهمی در برنامه‌ریزی و مدیریت مصرف منابع آب ایفا می کند. با توجه به اینکه ﻳﻜﻲ از ﻣﻬﻤﺘﺮﻳﻦ مشکلات ﻣﻮﺟﻮد در ﺷﻨﺎﺳﺎﻳﻲ ﭘﺪﻳﺪه ﺑﺮف ﺑﺎ اﺳﺘﻔﺎده از ﺗﺼﺎوﻳﺮ ﻣﺎﻫﻮاره‌ﻫﺎی اﭘﺘﻴﻜﻲ، ﺗﻔﻜﻴﻚ اﺑﺮ و ﺑﺮف ﻣﻲ‌ﺑﺎﺷﺪ ﺑﻪ ﻫﻤﻴﻦ‌ﻣﻨﻈﻮر ما در این تحقیق با استفاده از ویژگی متغیر&nbsp;بودن ابرها نسبت به برف با استفاده از فیلتر زمانی به کمک داده‌های سنجنده‌ی مودیس دو ماهواره آکوا و ترا، به حذف پیکسلهای ابر می‌پردازیم. برای انجام این‌کار، با استفاده از ویژگی رفتاری ابر در طول موج‌های مختلف، با تعریف شاخص تفاضلی نرمال شده‌ی ابر در&nbsp;داده‌ﻫﺎی&nbsp;مودیس، ﺑﻪ ﺷﻨﺎﺳﺎﻳﻲ ﺳﻄﻮح ابری در این تصاویر اقدام کردیم. سپس نقشه‌ی برف منطقه‌ی شمالی استان فارس را با استفاده از تصاویر بازتابش روزانه‌ی مودیس در سال آبی93-1392 به روش پیکسل مبنا استخراج کردیم. و به‌منظور ارزیابی خروجی نهایی نقشه‌ی برفی تولید شده، از دو روش استفاده گردید. در ابتدا با استفاده از داده‌های 14 ایستگاه زمینی، نقشه‌ی خروجی را مورد ارزیابی قرار دادیم و سپس از تصویر سنجنده ی <em><span dir="LTR">OLI</span></em> ماهواره ی&nbsp; لندست 8 بعنوان واقعیت زمینی استفاده گردید و نتایج مورد ارزیابی قرار گرفتند. در روش اول دقت 100‌% و در روش دوم و با انجام تناظر‌یابی پیکسل به پیکسل بین نقشه‌های برفی دو تصویر، دقت 98.58 % حاصل شد. در نهایت با توجه به نتایج و ارزیابی‌های صورت گرفته، می‌توان گفت در صورتی که نقشه‌های پوشش برف از طریق پیاده‌سازی الگوریتم حدآستانه مبنای ارائه شده در&nbsp;این&nbsp;تحقیق تهیه شوند، دارای دقت بالایی بوده و می‌توان از نتایج آن در شبیه‌سازی سیل و جریان آب حاصل از ذوب برف، بعنوان ورودی مدل رواناب ذوب برف و همچنین در مدیریت منابع و ذخایر آبی استفاده کرد.&nbsp;</p> <p>Recognition and study of snow reservoirs as the supplier of the base flow of rivers and main outset of freshwater resources in snowy and high basins play an important role in planning and management of water resources usage. However, one of the main problems in snow phenomenon recognition using optical satellite images is to separate clouds and snow. To supper this problem, we use the fact that the cloud does not have a stable geolocation compared to snow. A temporal filter is designed by the combination of Modis Terra and Aqua to remove the cloud pixels. Moreover, different spectral behavior of the cloud in different wavelengths makes it possible to separate it from the snow. A normalized difference cloud index is defined using Modis data to detect and remove the cloud pixels from the image. The pixel-based method is used to extract the snow coverage map of the Northen area of the Fars province using the daily Modis data spanning between 1392 and 1393. In order to evaluate the final results, the data from 14 ground stations as well as Landsat8 OLI image are used as ground truth. The accuracy of 100% was achieved using the first method while the accuracy of the second method by corresponding the pixels of snow coverage maps is estimated as 98. 58%. According to the results and accomplished evaluations, the snow maps generated using the threshold-based method without or with the cloud coverage removed by the application of the proposed method has a high precision. The results can then be easily used in the snowmelt run-off modeling in the water resource and reservoirs management.</p> برفسنجی, ابر, فیلتر زمانی, مودیس, لندست 8 snowmap, cloud, Modis, temporal filter, Landsat8 61 75 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-128-50&slc_lang=fa&sid=1 Sajjad Baseri Nam سجاد باصری نام sajad.baseri@gmail.com 10031947532846004637 10031947532846004637 Yes University of Graduate University of Advanced Technology دانشگاه تحصیلات تکمیلی و فناوری پیشرفته Ali Esmaeily علی اسماعیلی 10031947532846004638 10031947532846004638 No University of Graduate University of Advanced Technology دانشگاه تحصیلات تکمیلی و فناوری پیشرفته Maryam Dehghani مریم دهقانی 10031947532846004639 10031947532846004639 No University of Shiraz دانشگاه شیراز